確定人體數(shù)量的方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本公開涉及圖像識(shí)別技術(shù)領(lǐng)域，尤其涉及一種確定人體數(shù)量的方法及裝置。
【背景技術(shù)】
[0002]對(duì)于大型公眾場合(例如，地鐵站、商場等)，人流量的監(jiān)測可以為管理人員提供關(guān)于人員疏散的預(yù)警信息，以確保公眾場合的安全。相關(guān)技術(shù)基于人臉頭像的檢測對(duì)公眾場合的人流量進(jìn)行統(tǒng)計(jì)，當(dāng)圖像中的人臉較多時(shí)，會(huì)降低人臉檢測的速度，并且，由于公眾場合下人與人之間會(huì)存在相互遮擋的現(xiàn)象，致使人流量的檢測率并不高。

【發(fā)明內(nèi)容】

[0003]為克服相關(guān)技術(shù)中存在的問題，本公開實(shí)施例提供一種確定人體數(shù)量的方法及裝置，用以提高人群流量估計(jì)的準(zhǔn)確度。
[0004]根據(jù)本公開實(shí)施例的第一方面，提供一種確定人體數(shù)量的方法，包括:
[0005]根據(jù)已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的輸入維度對(duì)圖像采集模塊采集到的圖像進(jìn)行縮放處理，控制所述縮放處理后的圖像的分辨率與所述卷積神經(jīng)網(wǎng)絡(luò)的輸入維度相同；
[0006]將所述縮放處理后的圖像輸入至所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)中，所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的各個(gè)卷積層和全連接層中的權(quán)值參數(shù)用于表示已訓(xùn)練的人體輪廓特征；
[0007]通過所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)提取所述縮放處理后的圖像中的人體輪廓特征；
[0008]通過所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述得到的人體輪廓特征進(jìn)行回歸計(jì)算，得到所述縮放處理后的圖像上的人體數(shù)量。
[0009]在一實(shí)施例中，所述方法還可包括:
[0010]將包含有人體的設(shè)定數(shù)量的圖像樣本以及每一圖像樣本中所包含的人體數(shù)量輸入至未訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)，對(duì)所述未訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的卷積層和全連接層進(jìn)行訓(xùn)練;
[0011]在確定所述卷積層和全連接層中各節(jié)點(diǎn)之間的連接的權(quán)重參數(shù)符合預(yù)設(shè)條件時(shí)，停止訓(xùn)練所述卷積神經(jīng)網(wǎng)絡(luò)，得到已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)。
[0012]在一實(shí)施例中，所述方法還可包括:
[0013]確定所述每一圖像樣本中的人體數(shù)量與所述每一圖像樣本中的實(shí)際人體數(shù)量之間的誤差是否小于預(yù)設(shè)閾值；
[0014]當(dāng)所述每一圖像樣本中的人體數(shù)量與所述每一圖像樣本中的實(shí)際人體數(shù)量之間的誤差小于預(yù)設(shè)閾值時(shí)，確定所述卷積層和全連接層中各節(jié)點(diǎn)之間的連接的權(quán)重參數(shù)符合所述預(yù)設(shè)條件。
[0015]在一實(shí)施例中，所述方法還可包括:
[0016]確定所述圖像中的實(shí)際人體數(shù)量；
[0017]計(jì)算所述實(shí)際人體數(shù)量與所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)得到的關(guān)于所述圖像上的人體數(shù)量之間的誤差；
[0018]根據(jù)所述誤差確定是否需要對(duì)所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值參數(shù)進(jìn)行更新。
[0019]在一實(shí)施例中，所述方法還可包括:
[0020]當(dāng)需要對(duì)所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值參數(shù)進(jìn)行更新時(shí)，向提供所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的服務(wù)器獲取更新后的所述卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值參數(shù)。
[0021 ]在一實(shí)施例中，所述方法還可包括:
[0022]確定所述圖像采集模塊在設(shè)定時(shí)間段內(nèi)采集圖像的采集周期；
[0023]控制所述圖像采集模塊在所述采集周期從攝像裝置獲取所述圖像；
[0024]在所述設(shè)定時(shí)間段內(nèi)統(tǒng)計(jì)通過所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)得到的圖像上的人體數(shù)量的總和；
[0025]根據(jù)所述人體數(shù)量的總和以及所述設(shè)定時(shí)間段對(duì)應(yīng)的時(shí)間長度確定單位時(shí)間內(nèi)的人群密度。
[0026]根據(jù)本公開實(shí)施例的第二方面，提供一種確定人體數(shù)量的裝置，包括:
[0027]預(yù)處理模塊，被配置為根據(jù)已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的輸入維度對(duì)圖像采集模塊采集到的圖像進(jìn)行縮放處理，控制所述縮放處理后的圖像的分辨率與所述卷積神經(jīng)網(wǎng)絡(luò)的輸入維度相同；
[0028]輸入模塊，被配置為將所述預(yù)處理模塊縮放處理后的圖像輸入至所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)中，所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的各個(gè)卷積層和全連接層中的權(quán)值參數(shù)用于表示已訓(xùn)練的人體輪廓特征；
[0029]特征提取模塊，被配置為通過所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)提取所述輸入模塊輸入的所述縮放處理后的圖像中的人體輪廓特征；
[0030]回歸計(jì)算模塊，被配置為通過所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述特征提取模塊得到的人體輪廓特征進(jìn)行回歸計(jì)算，得到所述縮放處理后的圖像上的人體數(shù)量。
[0031]在一實(shí)施例中，所述裝置還可包括:
[0032]第一訓(xùn)練模塊，被配置為將包含有人體的設(shè)定數(shù)量的圖像樣本以及每一圖像樣本中所包含的人體數(shù)量輸入至未訓(xùn)練的所述卷積神經(jīng)網(wǎng)絡(luò)，對(duì)所述未訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的卷積層和全連接層進(jìn)行訓(xùn)練；
[0033]第一控制模塊，被配置為在確定所述第一訓(xùn)練模塊訓(xùn)練得到所述卷積層和全連接層中各節(jié)點(diǎn)之間的連接的權(quán)重參數(shù)符合預(yù)設(shè)條件時(shí)，停止訓(xùn)練所述卷積神經(jīng)網(wǎng)絡(luò)，得到已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)。
[0034]在一實(shí)施例中，所述裝置還可包括:
[0035]第一確定模塊，被配置為確定所述每一圖像樣本中的人體數(shù)量與所述每一圖像樣本中的實(shí)際人體數(shù)量之間的誤差是否小于預(yù)設(shè)閾值；
[0036]第二確定模塊，被配置為當(dāng)所述第一確定模塊確定所述每一圖像樣本中的人體數(shù)量與所述每一圖像樣本中的實(shí)際人體數(shù)量之間的誤差小于預(yù)設(shè)閾值時(shí)，確定所述卷積層和全連接層中各節(jié)點(diǎn)之間的連接的權(quán)重參數(shù)符合所述預(yù)設(shè)條件。
[0037]在一實(shí)施例中，所述裝置還可包括:
[0038]第三確定模塊，被配置為確定所述圖像中的實(shí)際人體數(shù)量；
[0039]誤差計(jì)算模塊，被配置為計(jì)算所述第三確定模塊確定的所述實(shí)際人體數(shù)量與所述回歸計(jì)算模塊通過所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)計(jì)算得到的關(guān)于所述圖像上的人體數(shù)量之間的誤差；
[0040]第四確定模塊，被配置為根據(jù)所述誤差計(jì)算模塊計(jì)算得到的所述誤差確定是否需要對(duì)所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值參數(shù)進(jìn)行更新。
[0041 ] 在一實(shí)施例中，所述裝置還可包括:
[0042]獲取模塊，被配置為當(dāng)所述第四確定模塊確定需要對(duì)所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值參數(shù)進(jìn)行更新時(shí)，向提供所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的服務(wù)器獲取更新后的所述卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值參數(shù)。
[0043]在一實(shí)施例中，所述裝置還可包括:
[0044]第五確定模塊，被配置為確定所述圖像采集模塊在設(shè)定時(shí)間段內(nèi)采集圖像的采集周期；
[0045]第二控制模塊，被配置為控制所述圖像采集模塊在所述第五確定模塊確定的所述采集周期從攝像裝置獲取所述圖像；
[0046]統(tǒng)計(jì)模塊，被配置為在所述設(shè)定時(shí)間段內(nèi)統(tǒng)計(jì)通過所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)得到的第二控制模塊控制所述圖像采集模塊采集的所述圖像上的人體數(shù)量的總和；
[0047]第六確定模塊，被配置為根據(jù)所述統(tǒng)計(jì)模塊統(tǒng)計(jì)得到的所述人體數(shù)量的總和以及所述設(shè)定時(shí)間段對(duì)應(yīng)的時(shí)間長度確定單位時(shí)間內(nèi)的人群密度。
[0048]根據(jù)本公開實(shí)施例的第三方面，提供一種確定人體數(shù)量的裝置，包括:
[0049]處理器；
[0050]用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；
[0051 ]其中，所述處理器被配置為:
[0052]根據(jù)已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的輸入維度對(duì)圖像采集模塊采集到的圖像進(jìn)行縮放處理，控制所述縮放處理后的圖像的分辨率與所述卷積神經(jīng)網(wǎng)絡(luò)的輸入維度相同；
[0053]將所述縮放處理后的圖像輸入至所述卷積神經(jīng)網(wǎng)絡(luò)中，所述卷積神經(jīng)網(wǎng)絡(luò)的各個(gè)卷積層和全連接層中的權(quán)值參數(shù)用于表示已訓(xùn)練的人體輪廓特征；
[0054]通過所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)提取所述縮放處理后的圖像中的人體輪廓特征；
[0055]通過所述已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)對(duì)所述得到的人體輪廓特征進(jìn)行回歸計(jì)算，得到所述縮放處理后的圖像上的人體數(shù)量。
[0056]本公開的實(shí)施例提供的技術(shù)方案可以包括以下有益效果:通過將縮放處理后的圖像輸入已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)，通過已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)得到關(guān)于圖像上的人體數(shù)量，由于已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的各個(gè)卷積層和全連接層中的權(quán)值參數(shù)用于表示已訓(xùn)練的人體輪廓特征，因此即使圖像采集模塊采集到的圖像中會(huì)存在人與人之間相互遮擋的現(xiàn)象，也可以通過已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)中學(xué)習(xí)到縮放處理后的圖像中的人體輪廓特征，通過縮放后的圖像中的人體輪廓特征進(jìn)行回歸計(jì)算后能夠準(zhǔn)確地識(shí)別出縮放后的圖像中的人體數(shù)量，從而對(duì)人流量的管理提供精確的預(yù)警。
[0057]應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開。
【附圖說明】